Det er mange kilder som gir de historiske aksjedataene, men de gir bare OHLC-feltene sammen med volum og justert nær. Også et par kilder jeg fant, gir datasett for markedsverdi, men de er begrenset til amerikanske aksjer. Yahoo Finance gir disse dataene online, men det er ikke noe alternativ å laste dem ned (eller ingen jeg er kjent med).
- Hvor kan jeg laste ned disse dataene for aksjer som tilhører ulike toppbørser over land ved å bruke ticker-navnet?
- Er det noen måte å laste dem ned via Yahoo Finance eller Google Finance?
Jeg trenger data for det siste tiåret eller så og trenger derfor noe skript eller API som kan gjøre dette.
Svar
Quant SE er bedre sted for spørsmål relatert til å få økonomiske data:
Svar
Når det gjelder innsamling av data, kan du sjekke ut Quandl (det er en veiledning om bruk av den med R på DataCamp hvis du er interessert).
I tillegg Aswath Damodaran» s s ite inneholder mange nyttige datasett. Selv om de ikke oppdateres så ofte, kan de fremdeles være nyttige, spesielt som en målestokk for å sammenligne din egen produksjon (fra manusene vil du uunngåelig trenge å skrive for å beregne de nødvendige beregningene).
Og, igjen, Quant SE er sannsynligvis et bedre sted å se …
Svar
Dette nettstedet viser historiske markedsverdier og foretaksverdier for S & P 100 og NASDAQ-100 selskaper de siste 10 år. Du kan eksportere datasettene til Excel.
http://marketcapitalizations.com/historical-data/historical-data-categories/valuations/
Du kan også prøve å kontakte dem for data over lengre tid.
Kommentarer
- Er du tilknyttet dette nettstedet BTW?
Svar
Jeg ville gjort det på denne måten.
import requests from bs4 import BeautifulSoup base_url = "https://finviz.com/screener.ashx?v=152&s=ta_topgainers&o=price&c=1,2,6,7,25,65,67" html = requests.get(base_url) soup = BeautifulSoup(html.content, "html.parser") main_div = soup.find("div", attrs = {"id":"screener-content"}) light_rows = main_div.find_all("tr", class_="table-light-row-cp") dark_rows = main_div.find_all("tr", class_="table-dark-row-cp") data = [] for rows_set in (light_rows, dark_rows): for row in rows_set: row_data = [] for cell in row.find_all("td"): val = cell.a.get_text() row_data.append(val) data.append(row_data) # sort rows to maintain original order data.sort(key=lambda x: int(x[0])) import pandas pandas.DataFrame(data).to_csv("AAA.csv", header=False)